| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-26页 |
| 1.1 课题研究背景及意义 | 第11-14页 |
| 1.2 图像分割方法综述 | 第14-21页 |
| 1.3 课题研究的国内外现状 | 第21-24页 |
| 1.4 课题来源 | 第24页 |
| 1.5 论文主要研究工作 | 第24-26页 |
| 2 量子理论相关知识 | 第26-33页 |
| 2.1 量子力学假设 | 第26-28页 |
| 2.1.1 波函数 | 第26-27页 |
| 2.1.2 量子态的叠加性、纠缠性以及相干性 | 第27页 |
| 2.1.3 薛定谔方程 | 第27-28页 |
| 2.1.4 量子算符 | 第28页 |
| 2.2 量子比特 | 第28-30页 |
| 2.3 量子比特的测量 | 第30页 |
| 2.4 量子门 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于量子蚁群算法的图像分割 | 第33-49页 |
| 3.1 蚁群算法分析 | 第33-39页 |
| 3.1.1 蚁群的生物学基础 | 第33-34页 |
| 3.1.2 蚁群算法原理 | 第34-37页 |
| 3.1.3 蚁群算法的性能分析 | 第37-39页 |
| 3.2 量子蚁群算法 | 第39-42页 |
| 3.2.1 蚁群空间量子化 | 第39页 |
| 3.2.2 量子蚂蚁位置的转移 | 第39-41页 |
| 3.2.3 变异算子 | 第41页 |
| 3.2.4 信息素更新机制 | 第41-42页 |
| 3.2.5 QACA算法流程 | 第42页 |
| 3.2.6 数值分析 | 第42页 |
| 3.3 混沌量子蚁群算法 | 第42-45页 |
| 3.3.1 混沌概述 | 第42-43页 |
| 3.3.2 混沌量子蚁群搜索 | 第43-44页 |
| 3.3.3 CQACA算法流程 | 第44页 |
| 3.3.4 CQACA算法收敛性分析 | 第44-45页 |
| 3.4 仿真结果及结论 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 4 基于量子蚁群模糊聚类算法的脑部MR图像分割 | 第49-62页 |
| 4.1 聚类算法分析 | 第49-52页 |
| 4.1.1 基于划分的聚类算法 | 第49-50页 |
| 4.1.2 基于密度的聚类算法 | 第50页 |
| 4.1.3 基于层次的聚类算法 | 第50页 |
| 4.1.4 基于网格的聚类算法 | 第50-51页 |
| 4.1.5 模糊聚类算法 | 第51-52页 |
| 4.2 脑部MR图像分割概述 | 第52-53页 |
| 4.3 分割评价准则 | 第53-54页 |
| 4.4 基于量子蚁群算法的FCM分割方法 | 第54-58页 |
| 4.4.1 量子编码 | 第55页 |
| 4.4.2 蚂蚁位置的自适应调整 | 第55-56页 |
| 4.4.3 变异算子 | 第56页 |
| 4.4.4 信息素更新原则 | 第56页 |
| 4.4.5 改进的FCM算法 | 第56-58页 |
| 4.5 分割算法流程 | 第58页 |
| 4.6 实验结果及分析 | 第58-61页 |
| 4.6.1 性能分析 | 第58-59页 |
| 4.6.2 分割效果比较 | 第59-61页 |
| 4.7 本章小结 | 第61-62页 |
| 5 融合量子克隆进化与Tsallis熵的CT图像分割算法 | 第62-77页 |
| 5.1 Tsallis熵 | 第62-64页 |
| 5.1.1 熵的相关概念 | 第62-63页 |
| 5.1.2 Tsallis熵阈值法 | 第63-64页 |
| 5.2 二维Tsallis熵阈值法 | 第64-65页 |
| 5.3 CT图像分割概述 | 第65-66页 |
| 5.4 量子进化算法及改进 | 第66-70页 |
| 5.4.1 量子进化算法 | 第66-68页 |
| 5.4.2 算法改进 | 第68-70页 |
| 5.5 改进的QEA分割算法流程 | 第70页 |
| 5.6 实验结果及结论 | 第70-76页 |
| 5.7 本章小结 | 第76-77页 |
| 6 基于生化反应速率的图像阈值分割算法 | 第77-93页 |
| 6.1 Arimoto熵阈值分割法 | 第77-79页 |
| 6.2 遗传算法 | 第79-83页 |
| 6.2.1 遗传算法基本思想及关键技术分析 | 第79-81页 |
| 6.2.2 遗传算法性能 | 第81-82页 |
| 6.2.3 遗传算法改进策略 | 第82-83页 |
| 6.3 DNA计算 | 第83-86页 |
| 6.3.1 DNA计算介绍 | 第83-84页 |
| 6.3.2 DNA计算的原理 | 第84-85页 |
| 6.3.3 DNA计算的特点 | 第85页 |
| 6.3.4 DNA计算的实现途径 | 第85-86页 |
| 6.4 改进的DNA-GA分割算法 | 第86-89页 |
| 6.4.1 DNA编码与解码 | 第87页 |
| 6.4.2 适应度函数 | 第87页 |
| 6.4.3 选择算子 | 第87页 |
| 6.4.4 交叉算子 | 第87-88页 |
| 6.4.5 变异算子 | 第88-89页 |
| 6.5 DNA-GA分割算法流程 | 第89页 |
| 6.6 实验结果及结论 | 第89-92页 |
| 6.7 本章小结 | 第92-93页 |
| 结论与展望 | 第93-96页 |
| 参考 文献 | 第96-104页 |
| 致谢 | 第104-105页 |
| 攻读学位期间的研究成果 | 第105-106页 |